DataFrame自我理解：

如果你看到我前面的文章之后，那么接下來的話對于你對pandas DataFrame對象的理解就會更加的深刻和容易了。建議查看我之前所寫的博客。

對于Pandas DataFame對象，我自己的理解是，他可以看作是我們的一張表，Excel表，可以這樣理解。對于Series與DataFrame來比較的話我們可以把Series看成是DataFrame的一個維度，說白了就是excel表的一列.這是我自己的個人理解，我覺得還是比較直觀的。

DataFrame基本使用

首先定義DataFrame對象：

字典定義

在這里我們首先定義了一個字典，然后字典的每一個key 又對應(yīng)了一個列表，那么當(dāng)我們調(diào)用 pd.DataFrame(data)的時候，pandas會把字典的鍵作為列索引，每一個值分別作為該列的值

1

series定義

在這里，我們首先利用上面的字典值構(gòu)造三個series對象，然后以一個列表，元組其實(shí)也可以的方式傳入，就可以得到了一個DataFrame對象了

2

DataFrame定義的時候有一個columns參數(shù)可用來指定列索引，具體請對比frame和frame2

3

既然有列索引，那么也會有行索引，一般在定義的時候，如果我們不指定，那么默認(rèn)從0開始，但是我們還有一個很方便的函數(shù)，可以是我們把DataFrame的某一列變成行索引，下面我們就把frame的color指定成行索引了

4

DataFrame元素的基本行列獲取

我們同樣也可以使用切片操作來獲取指定的行和列，也可以指定步長，具體如下

5

獲取某一列的兩種方式：

6

獲取多列：

7

獲取列不支持切片：

8

下面我來說一下index，和用numpy更快創(chuàng)建對象的方法：

index：就是說我們可以自定義行索引

圖二，我們使用numpy提供的arange()函數(shù)創(chuàng)建一個具有16個元素的數(shù)組，然后調(diào)用reshape函數(shù)將它變成一個4*4的二維數(shù)組，因?yàn)楸硎嵌S的嘛，既然有columns，index,那么我們就自定義兩者，得到如下結(jié)果

9

訪問DateFrame中的元素

我們先來看DateFrame對象的幾個常用屬性：

columns:獲取列索引，返回列表

index:獲取行索引，返回列表

values：獲取值?返回二維列表

10

11

兩個重要函數(shù)loc（）和iloc()

簡單說一嘴，loc()是按照索引來取值，包括行列索引，iloc是按照索引的序號來取值，也是包含行列索引，所以他們都有兩個參數(shù)，分別對應(yīng)行和列。簡單舉例說明：

loc（）：當(dāng)只有一個參數(shù)的時候默認(rèn)行

12

13

loc(),第二個代表列索引，默認(rèn)全部

14

加入第二個參數(shù)，并切片，大家要自己多敲代碼體會呀

15

iloc()，與loc()基本類似，只不過是他是以index序號為準(zhǔn)，舉例如下：

16

Dataframe自身查詢：

17

Dataframe獲取某一列得某一個值：

18

Dataframe的賦值

如果你已經(jīng)會了取值操作，那么賦值的話就是先取值，然后在改變值的操作，很簡單。下面我們新建了一列new=12，那么會導(dǎo)致一列的值全部為12

當(dāng)然我們還可以給columns和index取一個別名，方便管理查看。

19

新建一列，讓它的每一個值都不同，你可以自己手動輸入，當(dāng)然你也可以先創(chuàng)建一個Series然后在創(chuàng)建一列

20

取出單個元素然后賦值：

21

元素關(guān)系

isin()函數(shù)用來判斷DataFrame對象里面是否存在相應(yīng)的元素，有的話返回True，否則返回False，與Series一樣，要查看滿足條件的元素，直接加一個括號即可，其實(shí)都很相識的

22

刪除一列

我們可以使用del來刪除我們不需要的列

23

過濾

利用bool過濾出我們所需要的值嵌套字典生成DataFrame

24

嵌套字典生成DataFrame

我們可以使用嵌套字典來生成DataFrame，注意看外層及內(nèi)層字典的鍵值，pandas很智能的可以判斷出鍵值是否對應(yīng)，沒有的話以NaN代替值

25

DataFrame轉(zhuǎn)置

26

索引對象

Series和DataFrame都很好的整合了索引，索引對象很重要，利用好他可以給我們帶來很多便利。

idxmin():按照ASCII碼來比較，選擇最小的索引

idxmax()：按照ASCII碼來比較，選擇最大的索引

26

有時候我們還有一個需求，那就是要判斷index是否有重復(fù)，那么我們可以調(diào)用index.is_unique查看結(jié)果

27

其它索引函數(shù)

使用reindex()改變索引，在對象創(chuàng)建后，我們不能直接修改索引，他是不可一直接修改的，但pandas也給我們提供了一些修改索引的函數(shù)。

28

redex() method參數(shù)

29

redex()? range(6)參數(shù)是產(chǎn)生了（0-5）來做索引的值

redex()還支持同時修改行列索引

30

Drop（）刪除

Serie與Drop（）

31

Dataframe與drop（）

axis=0,刪除行

axis= 1刪除列

32

算術(shù)和數(shù)據(jù)對齊?

用一句話來說就是pandas會使用NaN來對齊我們在運(yùn)算，操作過程中不能一一匹配的數(shù)據(jù)，

series數(shù)據(jù)對齊

33

DataFrame數(shù)據(jù)對齊

34

DataFrame對象之間除了直接使用諸如+來進(jìn)行加運(yùn)算，還提供了一些一致的函數(shù)

35

DataFrame對象與series運(yùn)算

例子中每一行對應(yīng)相減

36

37

總結(jié)：

感覺寫了好多，這里只是一個入門，希望對大家有幫助。如有錯誤，請指正，謝謝，有幫助的可以點(diǎn)贊支持一下